Python3.5+requests 爬取网站遇到中文乱码怎么办？ä½œè€ ï¼šå¾®è½¯äºšæ´²ç ”ç©¶é™¢

import requests
from bs4 import BeautifulSoup

url = 'http://quote.eastmoney.com/stocklist.html'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
headers = {'User-Agent': user_agent}
req = requests.get(url, headers=headers)
req.encoding = 'utf-8'
bs = BeautifulSoup(req.content, 'html.parser')  # type: BeautifulSoup
quotesearch = bs.find('div', attrs={'id': 'quotesearch'})
print(quotesearch)

运行以上代码，显示结果如下：

¿Æ˳¹É·Ý(300737)
°Â·ÉÊý¾Ý(300738)
Ã÷Ñôµç·(300739)
Óù¼Ò»ã(300740)
»ª±¦¹É·Ý(300741)

1.解决思路一：查看网页的编码方式

F12打开网站地址，查看最上方head，发现编码方式为‘gb2312’(charset=gb2312)，修改代码第八行req.encoding = 'gb2312',重新运行代码。运行结果未改变，仍有乱码。

2.解决思路二：修改代码第九行bs = BeautifulSoup(req.text, 'html.parser')，将req.content改为req.text，运行代码，结果正常，无乱码。

原理：

resp.text返回的是Unicode型的数据。
resp.content返回的是bytes型也就是二进制的数据

因此如果我们想读取解析文本数据时，使用的是response.text。而想读取解析图片文件，往往使用的就是response.content

转载自：https://blog.csdn.net/weixin_41931602/article/details/81181946